| 【中文题名】 | 基于分形特征的景象适配性分析 |
| 【英文题名】 | |
| 【学科专业】 | 控制科学与工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-18 |
| 【中关键词】 | 数字景象匹配区域相关,景象适配性分析,互相关系数,分形布朗随机场,分维数,分形指数 |
| 【英关键词】 | DSMAC,scene navigability analysis,co-correlation coefficients,fractal Brownian random field,fractal dimension,Hurst parameter,Carpet Covered algorithm,quad-tree, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 |
采用数字式景象匹配区域相关技术进行末段制导可以使导弹具有很高的制导精度和抗干扰能力。景象匹配区的选择是影响景象匹配系统性能的重要因素,本文针对景象适配性分析展开研究。
本文首先对景象适配性分析中常用到的几种景象独特性度量指标和匹配性能指标进行了研究,讨论了各自的特点和对景象适配性分析的意义,然后提出将分形特征作为景象独特性度量指标,将互相关系数的峰值统计阈值作为匹配性能指标,通过研究分形特征与互相关系数的定量关系进行景象适配性分析。
本文的创新所在和研究重点是稳定而快速的分维数提取算法和分形特征与互相关系数的定量关系。
研究了各种分维数提取算法,进行了大量的实验分析,并在Peleg毯覆盖算法的基础上,提出了改进的毯覆盖算法。通过对比实验,验证了该算法的稳定性、抗噪声能力以及对不同纹理(地貌)的区分能力。
针对改进的毯覆盖分维数提取算法运算量过大的问题,提出了基于四叉树理论和改进的毯覆盖分维数提取算法特点的图像分维数快速算法。通过仿真实验验证了该算法对可见光图像和有相干斑噪声干扰的合成孔径雷达图像分维数求取的有效性。
通过理论推导建立了在分形指数(分形指数= 3... |
| 【论文题纲】 |
|
图表目录 |
6-8 |
|
摘要 |
8-9 |
|
ABSTRACT |
9-11 |
|
第一章 绪论 |
11-25 |
|
1.1 研究背景 |
11-16 |
|
1.2 景象匹配技术的基本概念 |
16-19 |
|
1.3 景象适配性分析的概念、方法和研究现状 |
19-21 |
|
1.3.1 景象适配性分析的概念 |
19 |
|
1.3.2 景象适配性分析的方法 |
19 |
|
1.3.3 景象适配性分析的研究现状 |
19-21 |
|
1.4 分形特征与互相关系数的关系 |
21-22 |
|
1.5 论文的主要研究工作 |
22-23 |
|
1.6 论文的内容安排 |
23-25 |
|
第二章 分形理论基础 |
25-35 |
|
2.1 引言 |
25 |
|
2.2 分形的引出及其哲理 |
25-26 |
|
2.3 分形指数和分维数的定义 |
26-27 |
|
2.4 盒维数提取方法 |
27-29 |
|
2.4.1 概率盒法 |
27-28 |
|
2.4.2 差分盒维数法 |
28-29 |
|
2.5 基于分形布朗随机场模型的分维数提取方法 |
29-34 |
|
2.5.1 分形布朗随机场 |
29-30 |
|
2.5.2 灰度统计法 |
30-31 |
|
2.5.3 频谱法 |
31-33 |
|
2.5.4 Peleg 毯覆盖法 |
33-34 |
|
2.6 本章小结 |
34-35 |
|
第三章 改进的毯覆盖法及基于四叉树理论的分维数快速计算方法 |
35-52 |
|
3.1 引言 |
35 |
|
3.2 改进的毯覆盖图像分维数提取算法 |
35-38 |
|
3.3 各种分维数提取算法在图像纹理分析中的性能比较 |
38-41 |
|
3.3.1 各种分维数提取算法的灵敏性分析 |
38-39 |
|
3.3.2 各种分维数提取算法在噪声影响下的稳定性分析 |
39-40 |
|
3.3.3 结论 |
40-41 |
|
3.4 PELEG 毯覆盖法与改进的毯覆盖法在遥感图像地物分析中的性能比较 |
41-44 |
|
3.4.1 Peleg 毯覆盖法和改进的毯覆盖法纹理区分能力的比较 |
41-42 |
|
3.4.2 Peleg 毯覆盖法和改进的毯覆盖法在不同尺度下计算结果的稳定性比较 |
42-44 |
|
3.5 基于四叉树分解和改进的毯覆盖法特点的图像分维数快速计算方法 |
44-50 |
|
3.5.1 四叉树分解 |
44-45 |
|
3.5.2 基于四叉树分解和改进的毯覆盖法的图像分维数快速计算方法 |
45-47 |
|
3.5.3 合成孔径雷达（SAR）图像的分维数计算 |
47-50 |
|
3.5.3.1 SAR 图像的小波消噪 |
48-49 |
|
3.5.3.2 SAR 图像分维数的计算 |
49-50 |
|
3.6 本章小结 |
50-52 |
|
第四章 景象适配性分析的相关概念 |
52-62 |
|
4.1 引言 |
52 |
|
4.2 灰度相关匹配及匹配相似度指标 |
52-54 |
|
4.3 景象适配性分析的概念 |
54-55 |
|
4.4 景象适配性分析的方法 |
55-61 |
|
4.4.1 匹配性能指标 |
55-57 |
|
4.4.1.1 约翰逊假设 |
55 |
|
4.4.1.2 基于约翰逊假设的匹配性能指标 |
55-56 |
|
4.4.1.3 基于相似度指标实验统计特性的峰值指标 |
56-57 |
|
4.4.2 景象独特性度量指标 |
57-60 |
|
4.4.3 互相关系数的峰值特性 |
60-61 |
|
4.5 本章小结 |
61-62 |
|
第五章 分形特征与互相关系数的关系 |
62-78 |
|
5.1 引言 |
62 |
|
5.2 分形指数和互相关系数之间的定量关系 |
62-64 |
|
5.3 分形指数均一条件下分形指数和互相关系数定量关系的正确性验证 |
64-69 |
|
5.4 分形指数与互相关系数的一致性变化趋势 |
69-70 |
|
5.5 分形指数不均一条件下互相关系数的定量计算 |
70-72 |
|
5.6 基于分形特征的景象适配性分析方法 |
72-76 |
|
5.6.1 基于分形特征的景象适配性分析算法 |
72-73 |
|
5.6.2 基于分形特征的景象适配性分析实验 |
73-75 |
|
5.6.3 基于分形特征的景象适配性分析算法性能分析 |
75-76 |
|
5.7 本章小结 |
76-78 |
|
第六章 结论与展望 |
78-80 |
|
6.1 论文总结 |
78-79 |
|
6.2 工作展望 |
79-80 |
|
致谢 |
80-81 |
|
参考文献 |
81-86 |
|
作者在攻读硕士期间撰写的论文 |
86 |
|
| 【DOI】 | LunWen.ID:2.2008.369546 |
